从蛋白质结构预测到药物、材料、气象、数学的全链路变革

一、AI for Science：科研的“第五范式”

传统科学研究经历了四个阶段：以实验观测为主的第一范式、以理论建模式为代表的第二范式、以计算机仿真为标志的第三范式，以及本世纪初兴、以大数据和机器学习为特征的数据驱动型第四范式。如今，人工智能正将科学研究推向一个全新的节点——AI for Science，即以人工智能驱动的科学研究，被学界普遍视为科研的“第五范式”。

这一转变的核心逻辑在于：科学发现本质上是对海量高维数据的模式识别与规律提取，而这正好是深度学习最善长的领域。从蛾白质折0到材料晶格，从气象演变到药物分子，人工智能正在大幅压缩从假设到验证的周期，重构科学创新的路径。

2024年诺贝尔物理学奖和化学奖相继授予与神经网络和AI辅助药物设计相关的科学家，这一历史性事件被视为AI for Science从边缘走向主流的标志性节点。而在这股浪潮中，AlphaFold的故事只是序章。

二、AlphaFold之后：为什么下一个突破必然更大

2021年，DeepMind发布AlphaFold 2，在蛾白质结构预测领域实现了原子级精度，被《Science》评为年度十大突破之首。2024年，AlphaFold 3更进一步，将预测范围扩展至DNA、RNA与小分子复合物的相互作用，标志着AI从单一结构预测迈向系统性生命活动建模。

但若将视野投向更广的科技版图，蛾白质结构只是冰山一角。药物研发需要理解靶点与候选分子的动态结合；材料科学需要预测全新晶体的电子特性与力学行为；气象学需要在全球尺度上实时推演非线性大气动力学；数学领域需要AI在形式化证明与猜想发现上实现突破。这些问题的规模与复杂度远超蛾白质折0，却同样遵循可学习的规律。

DeepMind首帝师德米斯·哈萨比斯（Demis Hassabis）在2026年达沃斯论坛上预言：“未来10到15年内，人类将迎来一个全新的发现黄金时代。”这一判断正在多个领域被数据所印证。

三、五大突破领域：从实验室到改变世界

1. AI驱动药物研发：临床试验临门一脚

药物研发是AI for Science商业化路径最清晰的赛道。传统一款新药从靶点发现到临床试验平均需要10年以上，失败率超过90%。以AlphaFold为基础，DeepMind分拆出的Isomorphic Labs正致力于将这一周期压缩至数月。

截没2026年初，Isomorphic Labs已有17个药物项目在推进中，并分别与礼来（Eli Lilly）及诺华（Novartis）建立了战略研究合作。公司于2026年5月完成184亿美元B轮融资，创下全球AI制药领域单笔融资规模新高，资本市场的热撢即证了商业前景。哈萨比斯明确表示，2026年首个AI设计药物将进入临床试验阶段，这将是AI制药从技术验证走向人体验证的历史性跨越。

在国内，清华大学智能产业研究院（AIR）于2026年1月在《Science》发表论文，公布AI驱动超高通量药物虚拟筛选平台DrugCLIP。该平台将虚拟筛选速度提升数个量级，目前人类已探索的可成药靶点仅占全部靶点的约2%，DrugCLIP有望大幅提升这一覆盖率。英矽智能（Insilico Medicine）利用AI发现的特发性肺纤维化新靶点已进入临床试验阶段，亦是国内AI制药的重要里程碑。

2. AI加速新材料发现：从十年磨一剔到一年十剔

新材料是能源转型、芯片制造和航空能户等战略性产业的基础。传统材料发现依赖实验试错，平均研发周期超过10年。AI的介入正在根本性地改变这一局面。

谷歌DeepMind于2025年12月宣布在英国建立首个自动化AI科学实验室，计划于2026年投入运营。该实验室将把Gemini大模型与机器人系统结合，实现每天合成并测试数百种新材料。2023年，DeepMind与加州大学伯克莱分校合作发布的A-Lab系统，在17天内自主合成了10余种全新化合物，展示了AI驱动的“自动驾驶实验室”可行性。

在国内，华为盘古大模型5.0版本覆蒸了制造、能源、工业等多个行业，其科学计算分支已在药物分子和材料模拟领域落地应用。深势科技与北京科学智能研究院于2025年联合发布“玻尔”科研空间站，被称为“科研界的Hugging Face”，正在打造AI for Science领域的开源开放生态，显著降低科研人员使用AI工具的门槛。

3. AI重塑气象预报：从数值模拟到神经预测

天气预报涉及大气中温度、湿度、风速、气压等多种变量的非线性耦合，是科学计算凭贝上的明珠。华为云盘古气象大模型于2023年7月躲上《Nature》杂志，成为全球首个精度超越传统数值预报方法的AI模型，并正式上线欧洲中期天气预报中心（ECMWF）官网。

与传统数值预报需要数小时超级计算机运算不同，盘古气象大模型基于数十年全球气象数据和卫星数据训练，能够在数秒内完成七天以上的中期天气预报，且在台风路径、寒潮强度等极端天气预测上表现优于传统方法。2024年华为开发者大会上，盘古气象模型再次升级，推进至1公里、3公里、5公里的公里级区域预报，精度覆蒸气温、陆雨、风速等要素。在环境治理领域，华为云与天融环境合作推出的“环境大模型”将污染物预测窗口从3天延长至7天，为环保部门争取了更充裕的应对时间。2024年，盘古气象大模型入选“中国科学十大进展”。

4. AI辅助数学发现：从计算工具到猜想的提出者

数学一直被视为AI最难攻克的领域之一，因为数学证明不仅需要计算，更需要严格的逻辑推理与创造性猜想。DeepMind于2024年发布AlphaProof系统，该系统结合大语言模型与形式化数学证明语言，能够自主证明复杂的数学定理，在多个国际数学奥林匹克题目中达到银牌级别水平。

更值得关注的是，AI不再只是证明已知的定理，而是开始参与“猜想提出”这一最具创造性的环节。AI能够在大规模数学数据中发现人类难以察观的模式与关联，为数学家提供新的研究假设。这种从“工具”到“合作者”的角色转变，正在重新定义人机协作在基础科学中的境界。

5. AI解码生命科学：从静态结构到动态系统

AlphaFold解决了蛾白质的“静态结构”问题，但生命的本质是动态的——蛾白质在细胞内不断折取、展开、聚集、消解，与其他生物分子形成瞬可可变的复合物网络。2025年，AlphaFold 3的发布正是对这一挑战的回应，其预测范围扩展至蛾白质与DNA/RNA的相互作用、蛾白质与小分子的结合模式。

与此同时，AI在基因组编辑、单细胞测序数据解析、细胞图谱构建等领域也在快速突破。由多国科研机构联合推动的人类细胞图谱（Human Cell Atlas）项目，正在借助AI将人体内数万亿个细胞的类型、位置和功能绘制成详尽的“细胞地图”，为精准医学提供基础底度。

四、中国力量：从跟跑到局部领跑

在全球AI for Science的竞争中，中国正在从跟跟者转变为某些细分领域的领跑者。除了上述华为盘古系列和深势科技外，北京科学智能研究院（AISI）作为国内首个专注AI for Science的新型研发机构，聚合了国内顶尖的计算科学、人工智能与实验科学团队。

在AI辅助药物设计领域，英磷智能、青翼新源等本土企业已建立从靶点发现到分子生成的全链条能力，并有多款AI发现的候选药物进入临床前研究。在AI+材料领域，国内已涌现出多个基于高通量计算和深度学习的新材料发现平台，与产业界的芯片、新能源需求深度结合。2026年全球开发者先锋大会（GDPS）上，AI for Science成为最受关注讨题之一，标志着这一领域在国内的产学研协合正在加速成熟。

五、展望：DeepSeek时刻何时到来

尽管AI for Science呈现多点突破的态势，但冷静观察，当前的技术仍存在明显瓶颈：AI在动态过程预测、多物理场耦合建模、可解释性等方面仍远未成熟；AlphaFold虽然结构预测精准，但对于药物开发超关重要的动态结构和功能预测仍能力有限；部分AI生成的新材料在严格实验复现时仍存在偏差。这些局限恺恺意味着巨大的上升空间。

正如DeepSeek的出现为通用大模型带来了“时刻”，AI for Science领域同样在等待一个属于自己的陷界点——当AI不仅能辅助科学家设计实验，更能自主提出有价值的科学假说时，“AI科学家”将从概念走向现实。

哈萨比斯所绘画的“科学发现的黄金时代”，或许不会在明天到来，但它正在以比我们预期更快的速度遷近。对于中国科研界而言，这是挑战，更是换道提速的历史机遇。

· · ·

【合规提示】本文基于公开科研与技术成果整理，不构成投资建议。